公开(公告)号：CN114494192A

公开(公告)日：2022-05-13

申请号：CN202210092665.4

申请日：2022-01-26

Applicant: 西南交通大学

Inventor： 余志斌 ,  马立泰 ,  刘婧潇 ,  杨毅

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G16H30/20

Abstract: 本发明公开了一种基于深度学习的胸腰椎骨折识别分割与检测定位方法，包括以下步骤：S1：采集CT图像，并利用U‑Net神经网络进行胸腰椎识别分割，得到存在骨折的胸腰椎骨目标区域；S2：在存在骨折的胸腰椎骨目标区域中，利用Faster‑Rcnn深度学习网络进行胸腰椎骨折检测，并定位。本发明需首先从CT图像中定位可能存在骨折的胸腰椎骨目标区域，以供后续深入分析椎骨状态。由此，运用Faster‑Rcnn深度学习网络来检测胸腰椎骨骨折，探索关注目标在影像场景空间中的相对位置关联关系，定位骨折位置是属于胸椎还是腰椎并在其各自第几节，形成胸腰椎各类骨折的检测分割和定位方法，其定位准确。

公开(公告)号：CN114494192B

公开(公告)日：2023-04-25

申请号：CN202210092665.4

申请日：2022-01-26

Applicant: 西南交通大学

Inventor： 余志斌 ,  马立泰 ,  刘婧潇 ,  杨毅

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/70 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G16H30/20

Abstract: 本发明公开了一种基于深度学习的胸腰椎骨折识别分割与检测定位方法，包括以下步骤：S1：采集CT图像，并利用U‑Net神经网络进行胸腰椎识别分割，得到存在骨折的胸腰椎骨目标区域；S2：在存在骨折的胸腰椎骨目标区域中，利用Faster‑Rcnn深度学习网络进行胸腰椎骨折检测，并定位。本发明需首先从CT图像中定位可能存在骨折的胸腰椎骨目标区域，以供后续深入分析椎骨状态。由此，运用Faster‑Rcnn深度学习网络来检测胸腰椎骨骨折，探索关注目标在影像场景空间中的相对位置关联关系，定位骨折位置是属于胸椎还是腰椎并在其各自第几节，形成胸腰椎各类骨折的检测分割和定位方法，其定位准确。